AREXOpen in interactive Feed

AREX Feed Article

Liquid AI 发布 d1.2 与 d1.2-ultra 全模态决策模型,自报以 75 分居 Artificial Analysis Decision Index 第一

November 16, 2026

北京时间 11 月 16 日深夜(UTC 15 时 08 分),Liquid AI 在官方 X 账号 @liquidai 发布公告,推出 d1.2 与 d1.2-ultra 两款「全模态决策模型」(omnimodal decision models):两款模型同时处理文本、图像与音频输入,并新增五类结构化输出任务。线程第二帖写明,两款模型当天即上线 Liquid API,输入价格分别为每百万 token 0.02 美元(d1.2)与 0.042 美元(d1.2-ultra)。

同日上线的官方博客给出了更多细节,其中分量最重的一条是:d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上以 75 分居决策模型第一,高出此前最佳 2 分。这一排名目前出自厂商自报口径——Artificial Analysis 官网对 v2.1 的计分方法有公开说明,但榜单数据为动态加载,本次核查未能直接读取到 d1.2-ultra 的排名行,75 分暂无法独立复核。

从 d1 到 d1.2:输入加了音频,输出加了五类任务

决策模型(decision model)是 Liquid AI 今年 10 月起新设的模型品类。其 10 月 5 日的 d1 发布博客称,d1 是该公司的第一个决策模型,读取文本、图像或两者,以及一个或多个问题,一次前向传播即返回每个候选答案的概率,不生成任何 token,一次文本决策耗时 200~300 ms。Artificial Analysis 在榜单说明中概括了这一品类的卖点:一次调用从固定选项中作选择、给出每个选项的概率,因而便宜、快,也让校准程度可测量。10 月 15 日发布的 d1-ultra当时定价每百万输入 token 0.042 美元,与此次的 d1.2-ultra 相同;厂商当时称其在 Decision Index 上领先所有其他决策模型至少 8 分。

d1.2 系列在原有框架上向两端各扩了一圈:输入端加入音频,输出端新增五类任务。音频既可以是被提问的对象——比如判断说话者说的是哪种语言、背景里有没有警笛——问题本身也可以是一段录音,说出来而非打出来。

五类新输出:从发票读数到图中框选

官方博客为五类新任务各给了一个可直接对应的场景:

  1. 从输入读取一个值(文本、数字或日期):问发票「应付多少」,模型返回正确数值,并附上它读取时所依据的字符;发票上没有这项时回答 not found(未找到),而不是猜测。
  2. 找出文中同类片段(spans):例如要求找出笔记里所有个人数据,模型逐段返回姓名、电话号码、邮箱及其在原文中的位置。
  3. 在图中定位(单个 box 或全部 boxes):问扫描表单上的签名在哪里,返回一个矩形框(或 not found);要求找出照片里每棵树,则返回每个矩形和总数。
  4. 估计一个数值(带区间的数字):问照片里有几个人,返回最佳猜测(如 12)和区间(如 10~14)。
  5. 多选(每个被选项各带概率):问一条客服消息涉及哪些主题,返回每个适用主题(如计费、配送)及其各自概率。

75 分怎么算出来的:六项评测加权,答错越自信扣得越多

Artificial Analysis 官网显示,Decision Index v2.1 是对六项评测的加权平均:AA-Paperclip、EvalSafe-O*NET-AA、When2Call、AA-Omniscience-Decision v1.1、HLE-MultiChoice v1.1 的 Decision Score,加上 AA-Symmetry v1.1 的 Symmetry Score;计分口径为「准确率减去所选答案概率的 Brier 分数」,0~100 分,100 表示确定且正确。Liquid AI 在博客中把这条口径概括为:自信的错答案比犹豫的错答案代价更高。

Liquid AI 博客附出的榜单图显示:d1.2-ultra 以 75 分列第一,Drex Max v1.1、SubQ Snap 1.2、GLiDE v1.2 以 73 分并列其后,d1.2 本身以 69 分列第七。厂商同时宣称:按 v2.1 口径,没有模型以比 d1.2 更低的价格得到更高分,也没有任何模型在任何价格下得分高于 d1.2-ultra。

校准误差与五项内部测试:全部出自厂商口径

Liquid AI 在博客中解释,决策模型给出的概率只有在准确时才有用:模型说 80% 时就应约八成正确,用户才能据此设阈值,把低置信任务转给人工审核。校准误差衡量预测概率与实际正确率的差距。据其给出的统一测试——13 项基准、22,505 个问题、五款模型全部作答——d1.2-ultra 校准误差为 0.8,d1.2 为 1.2,Jev 1.14 为 2.7,Perplexity 的 Decider v1.3 为 3.7,GPT-6 Luna(Decisions API)为 7.2。这组对比同样出自厂商自报。

五类新任务尚无公开基准可测。博客称其改用内部测试集——取自公开数据集的 held-out(留出)划分:发票读数(CORD、SROIE)d1.2-ultra 98%、d1.2 96%;个人数据片段的精确率/召回率(Nemotron PII)94%/93% 对 92%/88%;图中定位(RefCOCO 系列)两者均为 94%;目标计数误差不超过 1(COCO)93% 对 92%;图中多选(COCO)则是 d1.2 以 90% 高于 d1.2-ultra 的 87%——d1.2-ultra 并非在每项新任务上都占优。音频方面,博客称在 held-out 录音上,两款模型对「听到的是哪种声音」(ESC-50)或「说的是哪种语言」(FLEURS,43 种语言)类问题答对 95%~97%,每题 3~6 个选项,其中包含西班牙语与葡萄牙语这类近似、容易混淆的选项。

只按输入 token 计费:一张 1024×1024 图片按 1,536 token 算

调用时模型名为 d1.2 与 d1.2-ultra,API key 从 console.liquid.ai 获取。按官方博客的计费说明,两款模型只按输入 token 收费:图像按每 32×32 像素补丁 1.5 token 计,一张 1024×1024 图片折合 1,536 token;一次请求的文本和图片只计一次,每多问一个问题只增加该问题自身的文本。新的答案类型沿用同一端点与请求格式(api.liquid.ai/decisions/v1/systemone),完整 API 参考在决策模型文档中。厂商称上架 OpenRouter 与 Vercel「即将到来」。

上线首日:祝贺、催开源与「给我看失败率」

截至发稿核查,公告帖的浏览量约 646 万次、点赞 1,582 次。回复区里,祝贺与质疑同时出现。Ivan Fioravanti 写道他这周刚开始试用 d1,「很喜欢」;Pongphat 催促开源权重版本。质疑者也在:Vikram 说「带区间的数字是我第一个要测的输出——90% 区间只有在真实值大约十次里有九次落在其中时才有用」;bobolv 要求「给我看真实脏输入上的失败率,不是精选过的演示」;自述在评估法律 AI 的 Overfitting Dicta 则贴出一张截图,只问了一句「坏了吗?」。

这些疑问目前没有公开答案:新任务的真实表现、榜单排名与校准误差,眼下都只有厂商一个口径。下一个可核验的节点,是 OpenRouter 与 Vercel 的上架,以及 Artificial Analysis 榜单和第三方实测能否给出独立数字。

参考链接

  • Liquid AI 官方公告帖(@liquidai,X):https://twitter.com/liquidai/status/2122346077231923698
  • Liquid AI 公告线程第二帖(定价与上架,X):https://twitter.com/liquidai/status/2122346084186132681
  • Liquid AI 官方博客《d1.2: State-of-the-Art Omnimodal Decision Models》:https://www.liquid.ai/blog/d1-2
  • Liquid AI Console:https://console.liquid.ai/
  • Liquid AI 决策模型文档:https://docs.liquid.ai/lfm/models/decision-models
  • Artificial Analysis Decision Index v2.1 页面:https://artificialanalysis.ai/evaluations/artificial-analysis-decision-index
  • Liquid AI 博客《Introducing d1》(2026-10-05):https://www.liquid.ai/blog/d1-decision-model
  • Liquid AI 博客《d1-ultra》(2026-10-15):https://www.liquid.ai/blog/d1-ultra
  • Ivan Fioravanti 的回复(X):https://twitter.com/ivanfioravanti/status/2122347951721001291
  • Pongphat 的回复(X):https://twitter.com/pongphat_c/status/2122360397189820566
  • Vikram 的回复(X):https://twitter.com/Vikramaditya_V1/status/2122371161397035201
  • bobolv 的回复(X):https://twitter.com/bobolv235824/status/2122353270639538490
  • Overfitting Dicta 的回复(X):https://twitter.com/Overfit_Dicta/status/2122361726607970698